[發明專利]一種基于環形拓撲高斯動態粒子群優化算法的船舶電網重構方法

在審

• 申請號: 201310590361.1
• 申請日: 2013-11-20
• 公開（公告）號: CN104657780A
• 公開（公告）日: 2015-05-27
• 發明（設計）人: 蓋麗;林葉錦;郭昊昊;艾莉莉;程鵬;周國順
• 申請（專利權）人: 大連佑嘉軟件科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00
• 代理公司: 無
• 代理人: 無

1.一種基于環形拓撲高斯動態粒子群優化算法的船舶電網重構方法，包括以下步驟：

步驟1：設置GDPS優化算法主要參數，在問題解空間內隨機初始化種群，參數包括：執行動態鄰域策略的代數N₁=50，執行定期種群更新的代數N₂=5，W₁=0.729，W₂=2.187，種群規模pop_Size=20，問題解的維度dim=8，最大迭代代數iter_max=100；在問題解空間內隨機初始化種群：生成pop_Size行dim列矩陣X，矩陣中的每一個元素X_ij∈[0,1]，i為矩陣行數，j為矩陣列數，其具體公式如下：

X=rand();

X=round(X);

其中X為粒子的位置，rand()為[0,1]之間的隨機數，round(X)函數將X中的每一個元素進行四舍五入取整，這樣就保證了初始解都是0或1;

步驟2：判斷種群迭代過程是否小于N1，如果是采用作為目標函數對種群進行評價；反之則挑選M個最優粒子采用作為目標函數進行評價;在進行迭代搜索的過程中，如果當前迭代步數iter小于N₁，按目標函數評價粒子群，計算適應度值，公式為：fitness=sum(X.*load_pri)，式中fitness為適應度值，load_pri為負荷優先級行向量，即表1中負荷優先級向量：[1105103556]，sum(X.*load_pri)為位置向量中每一個元素與負荷優先級向量中每一個元素相乘再求和；如果當前迭代步數iter大于等于N₁則按目標函數評價粒子群，計算適應度值，其具體公式如下：fitness=sum(X.*load_magnit)，load_magnit為負荷容量行向量，即表1中的負荷容量向量：[20?1?4?1?20?4?4?2]，sum(X.*load_magnit)為位置向量中每一個元素與負荷容量向量中每一個元素相乘再求和;

步驟3：根據記錄的每個粒子搜索過的最優位置p_ibest，與當前迭代步數k的粒子的位置進行比較，如果當前粒子的適應度值比該粒子歷史最優位置更優，則更新該粒子歷史最優位置，令反之則保留該粒子的歷史最優位置，并進入步驟4;

步驟4：按采用環形拓撲的GDPS優化算法的位置計算公式更新當前種群中所有粒子的位置矢量，其具體方式如下：

Xid(t+1)=Xid(t)+W1(Xid(t)-Xid(t-1))+W2(avgp-Xid(t))+G(0,1)frange2]]>

其中，X_ij按照下式進行越限處理

Xij=1,Xij>10,Xij<0,]]>

上述位置更新公式中，X_id(t+1)代表第t+1次迭代的位置矢量，X_id(t)代表第t次迭代的位置矢量，X_id(t–1)代表第t–1次迭代的位置矢量，W₁、W₂分別代表權值，G(0,1)是一個服從正態分布的隨機數發生函數，下標k代表粒子i的鄰域粒子的標號，K表示粒子i鄰域粒子的個數;

步驟5：判斷是否達到每N₂個迭代代數，如果是重新初始化所有粒子但保留全局最優與個體最優的適應度值與位置矢量，按如下公式更新：

X=rand();

X=round(X);

反之則進入步驟6;

步驟6：判斷算法是否達到最大迭代次數或滿足終止條件，如果是則終止搜索，輸出最終結果；反之則返回步驟2。